DEV Community

Cover image for Como usar GPT-6.1 Sol API?
Lucas
Lucas

Posted on Originally published at apidog.com

Como usar GPT-6.1 Sol API?

#llm #api #openai #ai

Para chamar a API GPT-6.1 Sol, envie uma requisição POST para https://api.openai.com/v1/responses com "model": "gpt-6.1-sol" e sua chave como token Bearer. O preço permanece em US$ 2 de entrada e US$ 10 de saída por milhão de tokens, como no GPT-6 Sol. A diferença de custo está na entrada em cache, que cai de US$ 0,20 para US$ 0,10. Na maioria dos casos, a migração de gpt-6-sol é uma troca de string, mas há uma quebra importante: GPT-6.1 Sol não aceita none nem minimal em reasoning.effort; use low e reavalie os fluxos que dependiam de none.

Experimente o Apidog hoje

A OpenAI lançou o GPT-6.1 Sol no DevDay em 29 de setembro de 2026. O resumo do DevDay 2026 cobre os demais lançamentos, enquanto o que é o GPT-6.1 Sol detalha os benchmarks. Neste guia, você vai criar a primeira requisição, escolher um nível de esforço, aplicar as mudanças de migração, entender Batch, Flex e Fast e executar regressões lado a lado no Apidog antes de alterar o tráfego de produção.

GPT-6 Sol vs GPT-6.1 Sol: o que muda na API

A maior parte da especificação é idêntica. A comparação abaixo consolida as diferenças entre a página do modelo GPT-6.1 Sol, a página do GPT-6 Sol e a orientação de migração Usando GPT-6 da OpenAI.

Item gpt-6-sol gpt-6.1-sol Ação
Entrada / saída por 1M de tokens, Standard US$ 2 / US$ 10 US$ 2 / US$ 10 Nenhuma
Entrada em cache por 1M US$ 0,20 US$ 0,10 Recalcule os custos de cache
Escritas de cache por 1M US$ 2,50 US$ 2,50 Nenhuma
Janela de contexto / entrada máxima / saída máxima 1.050.000 / 922.000 / 128.000 1.050.000 / 922.000 / 128.000 Nenhuma
Corte de conhecimento 20 de abril de 2026 30 de abril de 2026 Reexecute avaliações sensíveis à data
reasoning.effort none, low, medium, high, xhigh, max low, medium, high, xhigh, max Migre none para low e avalie
Chamada de função em Chat Completions Apenas com reasoning_effort: "none" Não suportado Migre ferramentas para Responses
Endpoints Chat Completions, Responses, Batch Os mesmos Nenhuma
Limites de taxa Nível 1: 500 RPM / 500K TPM; Nível 5: 15.000 RPM / 40M TPM Os mesmos Nenhuma

A página do GPT-6 Sol agora direciona leitores ao GPT-6.1 Sol como o modelo Sol mais recente.

Envie sua primeira requisição GPT-6.1 Sol

Exporte sua chave como OPENAI_API_KEY e chame a API Responses:

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-6.1-sol",
    "reasoning": {"effort": "medium"},
    "input": "List three ways a webhook retry policy can create duplicate orders. One line each."
  }'
Enter fullscreen mode Exit fullscreen mode

Com o SDK Python, use a mesma variável de ambiente:

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "medium"},
    input="List three ways a webhook retry policy can create duplicate orders. One line each.",
)

print(response.output_text)
print(response.usage)
Enter fullscreen mode Exit fullscreen mode

Ao processar a resposta, verifique estes quatro pontos:

  1. status: em caso de sucesso, o valor é completed. Se o modelo atingir o orçamento de saída, a resposta pode vir como incomplete, com incomplete_details.reason definido como max_output_tokens, às vezes antes de haver texto visível. O guia de raciocínio sugere reservar pelo menos 25.000 tokens para raciocínio e saída durante os testes.
  2. output: é um array. Localize o item com type: "message" e extraia o conteúdo output_text. Não dependa de um índice fixo.
  3. usage.output_tokens: inclui tokens de raciocínio, cobrados na taxa de saída. Use usage.output_tokens_details.reasoning_tokens para separá-los.
  4. usage.input_tokens_details: informa cached_tokens e cache_write_tokens. Esses campos mostram o impacto do cache no custo.

Use a API Responses em fluxos com ferramentas. O GPT-6.1 Sol suporta Chat Completions apenas em requisições sem ferramentas. Veja também o guia da API Responses.

Escolha um nível de esforço de raciocínio

reasoning.effort é o principal seletor de custo, latência e qualidade. Se você omitir o campo, o padrão é medium.

O guia de seleção de modelos associa medium a trabalho técnico complexo e entregas coordenadas que serão revisadas. Já xhigh é indicado para entregas mais polidas e decisões baseadas em evidências conflitantes.

Esforço Comece aqui para O que a OpenAI relata para GPT-6.1 Sol
low Chat, extração, classificação e cargas que usavam none Em conversas sinalizadas por usuários, respostas com erro factual caem de 11,4% para 7,7% em relação ao GPT-6 Sol
medium Automações com agentes e chamadas de ferramentas AutomationBench 1.0.6: +2,2 pp sobre Claude Opus 5.5 por aproximadamente um terço do custo; +4,8 pp sobre GPT-6 Sol na mesma configuração
high Depuração difícil e planejamento aprofundado Nenhuma afirmação específica por configuração
xhigh Entregas polidas e execuções assíncronas longas Nenhuma afirmação específica por configuração
max Uso de computador e tarefas científicas complexas OSWorld 2.0: +7 pp sobre GPT-6 Sol no máximo por menos da metade do custo; Terminal-Bench Science 0.1: US$ 5,47 por tarefa, contra US$ 23,21 para Opus 5.5 e US$ 23,80 para GPT-6 Astra

Os benchmarks são relatados pela OpenAI na publicação de lançamento. Considere duas ressalvas:

  • O conjunto de fatos usa conversas previamente sinalizadas por erro, não tráfego típico.
  • No Terminal-Bench Science, o GPT-6 Astra ainda pontua mais alto, com 68,1%. Para trabalho científico mais difícil, a OpenAI recomenda Astra.

Para chamadas sensíveis à latência que usavam none, comece com low e meça resultados, custo e tempo de resposta. O guia de raciocínio descreve low como raciocínio eficiente com aumento modesto de latência.

Para alterar o esforço no meio de uma conversa sem quebrar o cache de prompts, adicione um item de entrada configuration_update em vez de alterar reasoning.effort no nível da requisição.

Migrar de gpt-6-sol: quatro mudanças no código

1. Troque o ID do modelo

Mantenha o modelo em configuração ou variável de ambiente para facilitar rollback:

OPENAI_MODEL=gpt-6.1-sol
Enter fullscreen mode Exit fullscreen mode

No código:

model = os.environ["OPENAI_MODEL"]
Enter fullscreen mode Exit fullscreen mode

Assim, voltar para gpt-6-sol exige apenas uma alteração de configuração.

2. Remapeie none e minimal

GPT-6.1 Sol não suporta none nem minimal.

Use este mapeamento inicial:

EFFORT_MAP = {
    "none": "low",
    "minimal": "low",
    "low": "low",
    "medium": "medium",
    "high": "high",
    "xhigh": "xhigh",
    "max": "max",
}
Enter fullscreen mode Exit fullscreen mode

Execute avaliações representativas após o remapeamento. No GPT-6 Astra, enviar none retorna HTTP 400; corrija esse caso antes de transferir tráfego.

3. Remova parâmetros de amostragem incompatíveis

Quando o esforço não for none, remova:

  • temperature
  • top_p
  • top_logprobs
  • logprobs em Chat Completions

Exemplo de normalização do payload:

function buildRequest(model, effort, input) {
  return {
    model,
    reasoning: { effort },
    input,
  };
}
Enter fullscreen mode Exit fullscreen mode

Se seu código associava temperature a reasoning_effort: "none" no GPT-6 Sol, remova essa combinação durante a migração.

4. Mova ferramentas de Chat Completions para Responses

No GPT-6 Sol, Chat Completions aceitava chamadas de função somente com reasoning_effort: "none". Não existe uma combinação equivalente no GPT-6.1 Sol.

Para fluxos com ferramentas, use Responses:

response = client.responses.create(
    model="gpt-6.1-sol",
    reasoning={"effort": "medium"},
    input="Consulte o pedido 123 e informe o status.",
    tools=[
        {
            "type": "function",
            "name": "get_order",
            "description": "Busca os dados de um pedido.",
            "parameters": {
                "type": "object",
                "properties": {
                    "order_id": {"type": "string"}
                },
                "required": ["order_id"]
            }
        }
    ],
)
Enter fullscreen mode Exit fullscreen mode

Por fim, reexecute testes que dependam de conhecimento recente: o corte de conhecimento muda de 20 para 30 de abril de 2026.

Se você migrou anteriormente do Astra para o Sol, consulte o guia de migração Astra para Sol.

Preços de Batch, Flex, Fast e entrada em cache

Os preços por 1 milhão de tokens vêm da página de preços da API.

Nível Entrada Entrada em cache Escritas de cache Saída
Standard US$ 2,00 US$ 0,10 US$ 2,50 US$ 10,00
Batch US$ 1,00 US$ 0,05 US$ 1,25 US$ 5,00
Flex US$ 1,00 US$ 0,05 US$ 1,25 US$ 5,00
Fast US$ 4,00 US$ 0,20 US$ 5,00 US$ 20,00
Standard, prompt com mais de 272K tokens de entrada US$ 4,00 US$ 0,20 US$ 5,00 US$ 15,00

A página do modelo informa que prompts com mais de 272K tokens de entrada são cobrados em 2x as taxas de entrada e cache e 1,5x a taxa de saída para toda a requisição.

Use Flex por requisição:

{
  "service_tier": "flex"
}
Enter fullscreen mode Exit fullscreen mode

Use Fast quando a prioridade de latência justificar o preço:

{
  "service_tier": "fast"
}
Enter fullscreen mode Exit fullscreen mode

"priority" também é aceito como alias de Fast. O modo Fast não está disponível com residência de dados na UE.

O Ultrafast para GPT-6.1 Sol está marcado como “chegando em breve” e está amplamente disponível apenas para GPT-6 Astra. Veja o modo Ultrafast da OpenAI.

Para trabalhos noturnos ou processamento assíncrono, consulte o guia da API OpenAI Batch.

Calcule a economia de cache

No GPT-6.1 Sol, leituras de cache custam 0,05x a taxa de entrada. No GPT-6 Sol, custam 0,1x. Escritas de cache custam 1,25x em ambos os modelos, segundo o guia de cache de prompts.

Exemplo: um prompt de sistema de 50.000 tokens reutilizado em 1.000 requisições.

  • Uma escrita: US$ 0,125 nos dois modelos.
  • 999 leituras no GPT-6 Sol: US$ 9,99.
  • 999 leituras no GPT-6.1 Sol: US$ 5,00.

O prefixo mínimo armazenável em cache tem 1.024 tokens visíveis. Um prefixo em cache permanece elegível por pelo menos 30 minutos após a última escrita ou reutilização.

Para projetar prompts com mais reaproveitamento, veja cache de prompts GPT-6.

Teste a troca no Apidog

Não altere a produção apenas com base em preços de tabela. Execute a mesma requisição salva com ambos os IDs de modelo, valide a estrutura da resposta e compare custo, tokens e qualidade.

No Apidog:

  1. Crie um ambiente com:

    • OPENAI_API_KEY armazenada como segredo;
    • MODEL_ID=gpt-6-sol;
    • EFFORT=medium.

  2. Crie e salve uma requisição POST https://api.openai.com/v1/responses.

Cabeçalho:

   Authorization: Bearer {{OPENAI_API_KEY}}
Enter fullscreen mode Exit fullscreen mode

Corpo:

   {
     "model": "{{MODEL_ID}}",
     "reasoning": {"effort": "{{EFFORT}}"},
     "max_output_tokens": 25000,
     "input": "Return a JSON object with keys risk and fix for this policy: retry any 5xx three times with no idempotency key."
   }
Enter fullscreen mode Exit fullscreen mode

  1. Adicione asserções para:

    • HTTP 200;
    • $.status igual a completed;
    • $.output[*].type contendo message;
    • $.usage.output_tokens maior que 0;
    • existência de $.usage.output_tokens_details.reasoning_tokens;
    • JSON válido e as chaves que seu código realmente consome.

  2. Adicione um script de pós-processamento para estimar o custo por chamada:

   const u = pm.response.json().usage;
   const d = u.input_tokens_details || {};
   const cached = d.cached_tokens || 0;
   const writes = d.cache_write_tokens || 0;
   const model = pm.environment.get("MODEL_ID");

   const cachedRate = model === "gpt-6.1-sol" ? 0.10 : 0.20;

   const cost = (
     (u.input_tokens - cached - writes) * 2 +
     cached * cachedRate +
     writes * 2.5 +
     u.output_tokens * 10
   ) / 1e6;

   console.log(model, "cost per call $", cost.toFixed(5));
Enter fullscreen mode Exit fullscreen mode
  1. Execute com MODEL_ID=gpt-6-sol. Depois, altere apenas MODEL_ID para gpt-6.1-sol e execute novamente.

Compare:

  • reasoning_tokens;
  • output_tokens;
  • formato e conteúdo da resposta;
  • custo estimado;
  • tempo de resposta;
  • taxas de falha e respostas incompletas.

Se você estiver migrando de none, execute a linha de base com none no GPT-6 Sol e o candidato com low no GPT-6.1 Sol.

Execute regressões na CI com Apidog CLI

Coloque a requisição e alguns prompts reais em um cenário de teste. Depois, execute cada modelo na CI usando --env-var para sobrescrever o modelo em cada execução:

npm install -g apidog-cli

apidog run \
  --access-token "$APIDOG_ACCESS_TOKEN" \
  -t "$SCENARIO_ID" \
  -e "$ENV_ID" \
  --env-var "MODEL_ID=gpt-6-sol" \
  -r cli,junit

apidog run \
  --access-token "$APIDOG_ACCESS_TOKEN" \
  -t "$SCENARIO_ID" \
  -e "$ENV_ID" \
  --env-var "MODEL_ID=gpt-6.1-sol" \
  -r cli,junit
Enter fullscreen mode Exit fullscreen mode

Uma asserção falha o job, e os relatórios JUnit permitem comparar as duas execuções. Para validar saídas que variam entre execuções, veja testando agentes de IA não determinísticos.

FAQ

O GPT-6.1 Sol é mais caro que o GPT-6 Sol?

Não. Ambos custam US$ 2 de entrada e US$ 10 de saída por 1 milhão de tokens. A entrada em cache do GPT-6.1 Sol custa US$ 0,10, contra US$ 0,20 no GPT-6 Sol.

O que fazer com reasoning.effort: "none"?

GPT-6.1 Sol não suporta none nem minimal. Mapeie ambos para low, remova temperature e top_p quando aplicável e reexecute suas avaliações antes de mudar o tráfego.

Posso usar GPT-6.1 Sol com Chat Completions?

Sim, para requisições sem ferramentas. Para chamadas de ferramenta, use a API Responses.

Existe nível gratuito para a API GPT-6.1 Sol?

Não. As chamadas de API são cobradas por token desde a primeira requisição. Veja O GPT-6.1 Sol é gratuito? para opções mais econômicas.

Próximo passo

Salve uma requisição representativa do seu tráfego. Execute-a primeiro com gpt-6-sol e seu esforço atual. Depois, execute o mesmo teste com gpt-6.1-sol, compare uso, custo e saída e só então avance com o rollout.

Baixe o Apidog para manter as duas execuções como testes com asserções reutilizáveis na CI. Se você também está comparando provedores, veja GPT-6.1 Sol vs Claude Sonnet 5.5.

Top comments (0)